1.1课题研究背景及意乂
随着当今信息技术的快速发展，人们对信息的依赖越来越强，如何获取更多有用的信息变得尤为重要。最直观的获取信息的方法是通过人眼对外部世界进行观察和认知，据统计，通过人眼视觉能够获取外部80%的信息这足以说明人类的视觉系统能够通过眼睛成像，进而感知生活中的三维物体。这种能够从二维景物图像中得到三维图像信息的能力正是人们一直努力要赋予计算机和智能机器的一种视觉功能，它可以代替人类去完成对外部景物信息的获取和处理。
另一种获取信息的方法就是由图像间接得到外部信息。摄影可以记录各种各样的图像信息，通过拍摄景物的反射光线使相机内部的感光介质进行曝光的过程，也可以称之为“以光线绘图”，所以一般的成像方式只能获取景物的平面像。若要得到图像中目标景物的三维形态信息，只能釆用扫描方式，而这个过程花费的时间较长，不仅影响图像信息获得的实时性，而且影响成像图片的清晰度。
针对传统成像存在的问题，本文引入光场成像的概念来完成相机中的计算成像，实现了“先拍摄后对焦”的功能，这项功能不仅克服了传统成像得不到三维景物形态信息的局限性，而且也摆脱了对物理器件依赖的束缚性。如图1-1是通过光场成像后对同一张图片分别进行重对焦的不同演示。
目前，随着光电技术器件的发展以及光场理论的进一步完善，光场成像技术正逐步应用到航空拍摄、安全监视、立体显示等领域。
1.2本文研究内容
一次拍照便能得到物体的三维光场信息，这是光场成像的最大特点，但在成像过程中记录的仅是曝光景物光线的位置和方向信息，并不能直观看到所见物体的立体像，所以我们需要先处理光线信息，而后得到清晰的“所见”三维图。这个处理方法主要包括对图像进行预处理，计算图像中物体的景深信息，提取图像的特征点并匹配图像，拼接图像并显示。其中图像的特征点提取和匹配是计算机视觉应用中的组成部分，在图像三维重构中有着不可或缺的地位，本文工作的主要内容就是基于光场成像的三维图像进行特征点提取与匹配，研宄己有的特征匹配方法，分析其优缺点，并在已有算法的基础上进行完善，从而实现在特征提取、匹配上速度和正确率的大幅度提升。
2基于微透镜阵列的光场成像研究
为记录相机中的光场，光场成像中用到了微透镜阵列，放在主镜头和光场传感器之间，每一个微透镜都能记录一小列像元，并且能把光线分离成一个微小的图像，形成入射光的微型图，相机光场的采样是在一次曝光中完成的，微透镜可以被认为是输出图像的像素，光电传感器可以被认为是输出图像的灰度值。
光学器件成像主要有采集景物的反射光线和分析处理数据。其中光场信息的获取可以分为多相机阵列采集和单相机采集两种方式。多相机阵列是通过多个摄像头同时拍摄一个目标物体，由于相机所处的位置不同，所以采样光场的方向信息和位置信息也不同，再经过相机中的探测器合成成像。单相机采集光场的方法是引入一个光学器件，改变相机内部四维光场分布成像。对记录的光场数据进行处理，用到了射线跟踪技术，这个方法是假设一个相机的配置是最优的，并且光的传播路径是通过光学器件到成像平面，最后这些光线在虚拟镜像上生成我们想要的图片。这种追踪技术的框架也可用在非收敛非期望的射线中，但前提是要假设射线是以固定的方式聚焦，这样才能完成成像计算。
2.1光场信息采集
光场应用的主要障碍在于光场信息数据的采集，近年来随着科学技术的不断发展，对光学研宄的课题越来越深入，更方便快捷的光场获取装置出现在人们的日常生活中。如图2-1所示是M.Levoy等人设计的一个光场采集支架，获取雕像的三维扫描和光场信息，图2-2是一个球面型机械臂，机械臂的末端沿着一个球面运动，来采集目标物体的光场信息，但这些装置都要求釆集的目标景物必须是静态，所以在实际应用中局限性比较大。
2.2光场数据处理
2.2.1光场数据参数表示
光场是指空间中光福射分布的函数，是光线强度与位置信息的对应关系。空间中的光线携带着光场的位置信息和方向信息，根据光场這染理论空间中的任意光线都可以用两个平行平面进行参数化表示，此时光线与这两个平面相交于两个点，可表示成一个四维光场函数。
如果光线通过探测器像面中的坐标（x,y），表示为光线的位置分布，则镜头的光瞳面坐标（u.v），则表示了光线的传输方向如图2-11（a）。而传统成像则只反映了光线的强度和位置，损失了方向信息。
目标景物周围的光线投射到光场相机内部，通过微透镜阵列对物体进行光场数据的采集，再经过成像传感器把光场数据映射到像平面上，后期通过对光场数据的处理，显示出全景光场图片。光场相机成像步骤大致如图2-12所示：
3数字图像特征匹配算法............10
3.1图像特征点提取............10
3.1.1角点检测算法........10
4基于ORB的最邻近搜索匹配算法...........22
5总结与展望.......34
5.1论文工作总结............34
4基于ORB的最邻近搜索匹配算法
4.1FAST特征点检测
4.1.1特征点提取
提取特征点也是提取图像中感兴趣的部分，一般特征点的选取有边界点、斑点和角点，这些点不仅包含了图像的大量信息，也决定了图像的属性。
本文用FAST特征检测算子来提取图像的角点信息，这是一神比较快的特征提取方法，该方法主要分为两个步骤：第一步选取出与待检测点相比较的16个周边像素点并确定其灰度值第二步比较检测点与周边像素点的灰度值，根据预设的条件来判定角点。
4.1.2选取像素点
周边像素值的分布决定了能否提取正确的图像特征点。如果在图像上任取一个像素点P，判断点P是否为特征点，需要建立一个以点P为中心、半径r=3的圆作为一个模板图，此模板图是一个离散的圆，如图4-1所示，这个离散圆的生成需要用到计算机图形学中的Bresenham画圆算法，并经过多次迭代并遍历16个像素点而成。图4-1为生成离散圆的初始位置及生成圆的方向示意图。
5总结与展望
5.1论文工作总结
图像特征点提取和匹配是图像三维重构最重要的组成部分，而对光场成像的三维图像进行特征点提取与匹配是一个新颖的研究方向，本文研究的重点是对光场相机曝光得到的多视角平面图像进行特征匹配。
该算法在保证匹配效果较好的情况下尽可能的缩短匹配所需的时间。改进后的算法在运算时间和匹配速度上都有很大的改善，主要在于提取角点特征时，只需比较灰度变化较大的区域即可；生成特征描述子时，依据特征点所在的小像素块内的灰度分布即可对特征点进行一个描述；匹配特征点时，采用最邻近搜索方法能够快速找到欧氏距离最近的特征点对。
因此，在当今大数据为背景的时代，对于本文算法匹配时间较快、准确率高的特点，该算法可以应用到检索大量信息匹配的领域，并且对光场相机捕捉到的光束数据进行快速有效的计算。
基于光场成像的三维图像特征点提取与匹配，目前还是较新研究领域，所以针对本文的研究内容还可以从以下几个方面开展更深一层的研究：
（1）在实际图像匹配中经常会出现尺度变化的情况，所以如何对尺度发生变化的图像进行正确的匹配，使算法具有更好的稳健性是下一步的研究方向。
（2）对光场成像的研究还需深入，进一步了解光场成像的过程以及光场数据的存储也将是下一步研究的理论重点。
参考文献（略）